ARTÍCULO ORIGINAL
Modelos multidimensionales pronósticos de mortalidad
quirúrgica en intervenciones electivas no cardiaca
Multidimensional models forecasting mortality in noncardiac
surgical elective operations
Dra. C. Zaily Fuentes Díaz,I Dr. Orlando Rodríguez Salazar,II Dr. C. Ramón Romero Sánchez,III Dr. C. Ricardo Grau ÁbaloIV
I Especialista en Medicina General Integral. Especialista de II Grado en
Anestesiología y Reanimación. Profesor Asistente. Máster en Urgencias Médicas. Doctora en Ciencias Médicas. Investigador Agregado. Hospital “Manuel Ascunce Domenech”. Camagüey, Cuba.
II Especialista en Medicina General Integral. Especialista en Caumatología.
Instructor. Máster en Urgencias Médicas. Hospital “Manuel Ascunce Domenech”. Camagüey, Cuba.
III Doctor en Ciencias Médicas. Especialista de II Grado en Cirugía General. Profesor
Titular. Investigador Titular. Hospital “Manuel Ascunce Domenech”. Camagüey, Cuba.
IV Doctor en Ciencias Físico-Matemáticas. Profesor de Mérito e Investigador Titular.
Universidad Central Martha Abreu, Las Villas. Villa Clara, Cuba.
RESUMEN
Introducción: la evaluación preoperatoria del paciente quirúrgico constituye un eslabón fundamental del juicio clínico.
Objetivo: validar los modelos multidimensionales pronósticos de mortalidad quirúrgica en intervenciones electivas no cardiacas.
Método: en general, a lo largo del trabajo multivariado se aplicaron tres modelos multimensionales pronósticos de mortalidad quirúrgica en intervenciones electivas no cardiacas a través de la V de Cramer, el árbol de decisión y la regresión
logística.
Resultados: los tres modelos se aplicaron en el Hospital Universitario Manuel Ascunce Domenech en Camagüey y en el Hospital Universitario Arnaldo Milián Castro en Villa Clara y demostraron que los modelos actuaron como alarma pronóstico de mortalidad perioperatoria desde la evaluación del preoperatorio del paciente propuesto para intervención quirúrgica electiva no cardiaca.
Revista Cubana de Anestesiología y Reanimación. 2015;14(1):147-159
http://scielo.sld.cu
148 quirúrgicas electivas no cardiacas en los que se aplican en el preoperatorio los modelos multidimensionales pronósticos egresaron en condición de vivos. No se demuestran mejores resultados de un modelo respecto al otro y por lo tanto en la práctica médica la alarma se considera con la positividad de cualquiera de los tres modelos.
Palabras clave: preoperatorio, anestesia, intervención quirúrgica, pronóstico.
ABSTRACT
Introduction: preoperative evaluation of surgical patients is a fundamental link in the clinical trial.
Methods: forecasts validate multidimensional models of surgical mortality in noncardiac elective procedures.
Results: the three models were applied in Manuel Ascunce Domenech University Hospital in Camagüey and the Arnaldo Milian Castro University Hospital in Villa Clara and showed that the models acted as an alarm forecast perioperative
mortality from the preoperative evaluation of patients proposed for elective surgery not heart.
Conclusión: most patients proposed noncardiac elective surgeries where applied preoperatively multidimensional models forecasts graduated in living condition. No best model results are shown relative to each other and hence in medical practice by the alarm positivity is seen with any of the three models.
Keywords: preoperative anesthesia, surgery, prognosis.
INTRODUCCIÓN
La evaluación preoperatoria del paciente quirúrgico constituye un eslabón
fundamental del juicio clínico, se considera como la etapa de búsqueda y hallazgo de la información en relación con el paciente, la intervención quirúrgica y la anestesia. La valoración preoperatoria establece pautas para la estratificación del riesgo, el que se representa como la contingencia o proximidad de un daño, la probabilidad de que un hecho ocurra durante el perioperatorio en el paciente quirúrgico.1-3
En Cuba, la estratificación del riesgo en la evaluación preoperatoria se establece por la clasificación cualitativa de riesgo quirúrgico y la clasificación del estado físico del paciente quirúrgico propuesto por la Sociedad Americana de Anestesiología, además de otras mediciones dirigidas a los sistemas orgánicos.4-6
resultado y no todos se predicen de manera fiable o se modifican para que mejore el efecto.7-9
En Cuba, la población de 60 años y más representa el 17,9 %, el Índice de Desarrollo Humano (IDH) es de 0,7768, la esperanza de vida al nacer es de 77,97 años con 80,2 para las mujeres y 76 para los hombres. En el año 2013 se publicaron como primeras causas de muerte las enfermedades crónicas no transmisibles, donde las enfermedades del corazón, cáncer y enfermedad cerebrovascular, representan más del 80 % del total de las defunciones.10-12
El objetivo de la presente investigación fue validar los modelos multidimensionales pronósticos de mortalidad en los pacientes propuestos para intervención quirúrgica electiva no cardiaca del Hospital Universitario Manuel Ascunce Domenech y el Hospital Universitario Arnaldo Milián Castro.
MÉTODOS
Se realizó un estudio cuasiexperimental, en el período de enero a diciembre de 2012, para un solo grupo, con la aplicación de los modelos multidimensionales, pronósticos de mortalidad en el Hospital Universitario Manuel Ascunce Domenech en Camagüey y en el Hospital Universitario Arnaldo Milián Castro en Villa Clara.
Criterios de inclusión
Paciente de 19 años y más propuestos para intervención quirúrgica electiva no cardiaca.
Pacientes egresados en condición de fallecidos con protocolo de necropsia. Intervenidos por las diferentes especialidades quirúrgicas electivas no cardiacas. Pacientes con seguimiento hasta los 30 días posteriores a la intervención
quirúrgica.
Universo
Se conformó de forma prospectiva hasta los 30 días posteriores a la intervención quirúrgica electiva no cardiaca por 203 pacientes propuestos para intervención quirúrgica electiva no cardiaca en los hospitales Manuel Ascunce Domenech en Camagüey y Arnaldo Milián Castro en Villa Clara. Se constituyó la muestra por 100 pacientes propuestos para intervención quirúrgica electiva no cardiaca en el Hospital Universitario Manuel Ascunce Domenech y 100 pacientes en el Hospital Universitario Arnaldo Milián Castro a través de muestreo aleatorio simple.
Durante la consulta preoperatoria se determinó el riego de mortalidad a través del voto mayoritario por los tres modelos multidimensionales, la V de Cramer, el árbol de decisión y la regresión logística. Se calculó la probabilidad de mortalidad según cada modelo, se utilizó la razón de verdaderos positivos, se consideró la
significación del test exacto de Fisher y los datos se organizaron en tablas.
Revista Cubana de Anestesiología y Reanimación. 2015;14(1):147-159
http://scielo.sld.cu
150 medios los tres modelos elaborados en la investigación, la V de Cramer anexo 1, el árbol de decisión, anexo 2 y la regresión logística anexo 3. Que se integraron a través del voto mayoritario. Se suministró la V de Cramer y la regresión logística en un fichero en Excel que automatizó el cálculo de riesgo según cada criterio, además se tuvo la opción del cálculo en la cabecera del paciente con calculadora científica y en el caso del árbol de decisión se sintetizaron las reglas en un documento impreso con lo que se formalizó el cálculo del pronóstico.
Los tres modelos multidimensionales pronósticos no clasifican igual siempre, se demuestra en las bases de datos de las provincias de Camagüey y Villa Clara. Se contabilizan los casos en cada combinación y prevalecen los que coinciden en dos de los modelos y en los tres modelos Pero resulta sugestivo el hallazgo de que con la positividad de al menos un modelo es suficiente para pronosticar peligro de muerte, ya que al menos un modelo positivo se considera alarma pronóstica de mortalidad del paciente quirúrgico electivo no cardiaco. Por lo tanto, es interesante la diversidad de los resultados entre los modelos y esto es importante porque hizo oportuna la siguiente recomendación: la tendencia mundial es la aplicación de varios clasificadores y la construcción entonces de un metamodelo que según ciertos criterios combine los resultados de los modelos para la obtención del consenso de riesgo de mortalidad.13-15
RESULTADOS
CONTINGENCIA DEL PRONÓSTICO DE LA V DE CRAMER
En la tabla 1 se consideró el pronóstico positivo si el riesgo del paciente fue superior al umbral (0,503). Aquí positivo significa desfavorable la tabla de
Entonces se ratificó que los 9 fallecidos reflejaron riesgo (verdaderos positivos) mientras que no hay falsos negativos. Por otra parte entre los 91 vivos se hallaron 18 que no reflejaron riesgo (verdaderos negativos) mientras 73 sí lo reflejaron (falsos positivos) y estos últimos representaron los buenos resultados de la
aplicación preoperatoria. Los porcentajes fueron calculados respecto al total de las filas y representaron las razones de verdaderos positivos, falsos negativos (primera fila) y falsos positivos de verdaderos negativos (segunda fila).
Contingencia del pronóstico basado en el árbol de decisión
En la tabla 2 se ratificó que los nueve fallecidos muestran riesgo y no hay entre estos falsos negativos. En cambio de los 91 vivos, 60 no mostraron riesgo pero 31 sí lo reflejaron. Estos son los falsos positivos que constituyeron el éxito de la alarma preoperatoria pronóstico de mortalidad.
Contingencia del pronóstico basado en la regresión logística
Por su parte en la tabla 3 se confirmaron a los 9 fallecidos como verdaderos positivos, en el sentido que tienen pronosticado riesgo. Entre los vivos hay 55 que no se les pronosticó riesgo (verdaderos negativos) pero 36 sí tuvieron riesgo. Estos son los falsos positivos sobre los cuales la aplicación de los modelos encontró buenas soluciones que apoyaron la toma de decisiones desde el preoperatorio.
DISCUSIÓN
Revista Cubana de Anestesiología y Reanimación. 2015;14(1):147-159
http://scielo.sld.cu
152 alto riesgo que egresan vivos. Lo que refuerza el criterio de que la predicción permite que se estratifique el riesgo de mortalidad, por lo que la propuesta no se limita al uso de los algoritmos, lo que se persigue es encontrar buenas soluciones que apoyen la toma de decisiones por parte del anestesiólogo que beneficie al paciente propuesto para la intervención quirúrgica electiva.
Llama la atención en la aplicación que con la positividad de al menos un modelo de los tres propuestos fue suficiente para posponer la intervención quirúrgica, esto ocurre porque no hay modelos de pronóstico perfectos. Mucho menos hay alguno que sea el mejor para todos los problemas. De hecho hay un principio de la Estadística y la Inteligencia Artificial que se formula como no free lunch.16 Es de
hecho un teorema demostrado que prueba la inexistencia de un clasificador válido para todos los problemas desfavorables.
Es real que cada uno de estos factores de riesgo tuvo un peso dado en la ecuación del estudio de los tres modelos, pero cuando se realiza la caracterización del paciente quirúrgico, la enfermedad respiratoria está en el conglomerado 2 que acusa a menos riesgo y en el análisis de componentes principales para datos categóricos queda en la dimensión 2 como la de menos intensidad de riesgo con el valor de –0,007 no obstante, es importante ya que las variables que contribuyen de forma negativa a la dimensión son expresión de riesgo y hacen la diferencia en el pronóstico de mortalidad del paciente.
Para la identificación de los factores de riesgo clínico asociados al riesgo de mortalidad, se utilizan los modelos multidimensionales propuestos en la
investigación. Una fortaleza importante del uso de los modelos para este propósito es la determinación del pronóstico, si se tiene en cuenta, que el riesgo
perioperatorio es multifactorial y que desde el preoperatorio se involucran las enfermedades subyacentes del paciente, la complejidad del trauma quirúrgico y el método anestésico factores esenciales en los cambios perioperatorios de la
homeostasia.
Bainbridge D et al.17 realizaron una revisión sistemática para la determinación de la
mortalidad perioperatoria con la identificación de los estudios publicados hasta febrero de 2011 con variables como mortalidad anestésica y el estado físico según la Sociedad Americana de Anestesiología, los autores concluyen que el resultado primario es la mortalidad anestésica, los resultados secundarios son mortalidad contribuyente anestésica y la mortalidad perioperatoria total.
Estos autores, incluyeron 87 estudios con más de 21,4 millones de administraciones de Anestesia General. La mortalidad atribuible a anestesia, declina de 357 por millón antes de los años 70, hasta 52 por millón en los años de 1970 a 1980, con 34 por millón en los años de 1990 a 2000. La mortalidad perioperatoria total disminuye de 10 603 por millón antes de los años 70, hasta 4 533 por millón en los años 1970 a 1980 y 1 176 por millón en los años de 1990 al 2000. Por lo tanto, demuestran la relación entre el riesgo del perioperatorio, la mortalidad anestésica y el estado físico del paciente Se concluye entonces, que el riesgo es creciente en el paciente envejecido, pero la mortalidad del perioperatorio es significativa durante los últimos 50 años, con declive en los países desarrollados, no así en los países en vías de desarrollo.
práctica médica la alarma se considera con la positividad de cualquiera de los tres modelos.
Anexo 2. Formas de cálculo del pronóstico y el modelo multidimensional basado en las reglas simplificadas del árbol de decisión.
Regla Nodo Enunciado de la regla Pronóstic
o
Probabilida d de deceso según el pronóstico
1 17
(anestesia general=Si)
(antecedentes de enfermedad respiratoria=Si) y
(enfermedad cerebrovascular=No) (angina moderada I-II
canadiense=No) (diabetes mellitus=No)
Fallecido 0,791
2 18
(anestesia general=Si)
(antecedentes de enfermedad respiratoria=Si) (enfermedad cerebrovascular=No) (angina moderada I-II canadiense=No) (diabetes mellitus=Si)
Vivo 0,079
3 10
(anestesia general=Si)
(antecedentes de enfermedad respiratoria=Si) (enfermedad cerebrovascular=No) (angina moderada I-II canadiense=Si)
Fallecido 0,915
4 19
(anestesia general=Si)
(antecedentes de enfermedad respiratoria.=Si) (enfermedad. cerebrovascular=Si) (bloqueo auriculoventricular de tercer grado=No) (insuficiencia cardiaca con complicaciones=No)
Vivo 0,128
5 20
(anestesia general=Si)
(antecedentes de enfermedad respiratoria=Si) (enfermedad cerebrovascular=Si) (bloqueo auriculoventricular de tercer grado=No) (insuficiencia cardiaca con complicaciones=Si)
Fallecido 0,854
6 12
(anestesia general=Si)
(antecedentes de enfermedad respiratoria=Si) (enfermedad cerebrovascular=Si) (bloqueo auriculoventricular de tercer grado=Si)
Fallecido 0,787
7 21
(anestesia general=Si)
(antecedentes de enfermedad respiratoria=No) (angina inestable III-IV Canadiense=No) (enfermedad
extremidades inferiores= No)
8 22
(anestesia general=Si)
(antecedentes de enfermedad respiratoria=No) (angina inestable III-IV canadiense=No) (enfermedad cerebrovascular=No) (riesgo por intervención quirúrgica en extremidades inferiores= Si)
Fallecido 0,362
9 23
(anestesia general=Si)
(antecedentes de enfermedad respiratoria=No) (angina inestable III-IV canadiense=No) (enfermedad cerebrovascular=Si) (insuficiencia cardiaca con complicaciones=No)
Fallecido 0,405
10 24
(anestesia general=Si)
(antecedentes de enfermedad respiratoria=No) (angina inestable III-IV canadiense=No) (enfermedad cerebrovascular=Si) (insuficiencia cardiaca con complicaciones=Si)
Fallecido 0,970
11 15
(anestesia general=Si)
(antecedentes de enfermedad respiratoria=No) (angina inestable III-IV canadiense=Si) (arritmia ventricular sintomática con cardiopatía basal=No)
Vivo 0,000
12 16
(anestesia general=Si)
(antecedentes de enfermedad respiratoria=No) (angina inestableIII-IV canadiense=Si) (arritmia ventricular sintomática con cardiopatía basal= Si)
Fallecido 0,375
Anexo 3. Ejemplo de cálculo del modelo multidimensional basado en la regresión logística.
Variables Grupos de
riesgo Variables en la ecuación
Coeficiente de la
regresión
E0 No marcar
esta variable
Constante (ella se incorpora a la sumatoria Total en todos los
casos -16,281 -16,281
1 Seleccione a
lo sumo una de estas dos categorías
Riesgo por anestesia general 19,282 19,282
2 Riesgo por anestesias
neuroaxiales epidurales -9,948
3
Seleccione a lo sumo una de estas cuatro categorías
Riesgo por intervención
quirúrgica en la cabeza 1,826
4 Riesgo por intervención
quirúrgica en el cuello 1,880
5 Riesgo por intervención
quirúrgica en el tronco 2,099 2,099
6
Riesgo por intervención quirúrgica en extremidades
superiores 0,892
7 Seleccione a
lo sumo una de estas dos categorías
Angina inestable III-IV
Canadiense -21,277
8 Angina moderada I-II
Canadiense 33,934
9 Seleccione a
lo sumo una de estas dos categorías
Infarto agudo de miocardio 0 a
3 meses 43,042
10 Infarto agudo de miocardio 4 a
6 meses -4,350
11 Bloqueo auriculoventricular de
tercer grado -25,992
12
Seleccione a lo sumo una de estas tres categorías
Arritmia grave -23,392
13 Arritmia ventricular sintomática
con cardiopatía basal -5,607
14
Arritmia supraventicular con frecuencia cardiaca
descontrolada -2,853
15 Enfermedad valvular grave -0,025
16 Seleccione a
lo sumo una de estas dos categorías
Insuficiencia cardica con
complicaciones 4,155
17 Insuficiencia cardiaca sin
19 Hipertensión arterial -3,277
20 Enfermedad cerebrovascular -2,812
21 Baja capacidad funcional 5,106
22
Seleccione a lo sumo una de estas tres categorías
Riesgo por bajo peso (IMC < 1
8,5) -12,803
Riesgo por preobesidad (25 <
IMC <=29,9) 0,112
Riesgo por obesidad grado 1
(30 < IMC <= 34,9) 0,043
23 Tabaquismo -0,304
24
Antecedentes de enfermedad
respiratoria -0,646 -0,646
Cálculo para el paciente
Umbral del modelo de regresión logística
0,230
Paso 1. Sumatoria (Total) de la última columna se incluye la
constante 4,454
Paso 2. Cálculo del modelo por la fórmula
Revista Cubana de Anestesiología y Reanimación. 2015;14(1):147-159
http://scielo.sld.cu
158
REFERENCIAS BIBLIOGRÁFICAS
1. Ministerio de Salud Pública. Prioridades y objetivos de trabajo. La Habana: Minsap; 2013. p. 21.
2. Barbarash LS, Sumin AN, Barbarash OL, Ivanov SV. Pre-operative cardiac risk assessment and perioperative cardiac management in non-cardiac surgery. Kardiologia. 2012;52(5):77-87.
3. Böhmer AB, Defosse J, Geldner G, Mertens E, Zwissler B, Wappler F. Preoperative risk evaluation of adult patients for elective, non cardiac surgical interventions. Results of an on-line survey on the status in Germany. Anaesthesist [Internet]. 2012 May [cited 2012 Oct 23];61(5):[about 8 p.]. Available from: http://download.springer.com/static/pdf/159/art%253A10.1007%252Fs00101-012-2019-z.pdf?auth66=1404997323_36d878251b0dc56c3e7827f013a590de&ext=.pdf
4. Miller RD. Anesthesia & Analgesia in the New Century. Anesth Analg. 2000 Jan;90(1):3.
5. Priebe HJ. Recent Advances in Preoperative Cardiac Evaluation. Curr Pharm Des [Internet]. 2012 Jul [cited 2012 Oct 23];18(38):[about 5 p.]. Available from: http://www.eurekaselect.com/104265/article
6. Fritsch G, Flamm M, Hepner DL, Panisch S, Seer J, Soennichsen A. Abnormal preoperative tests, pathologic findings of medical history, and their predictive value for perioperative complications. Acta Anaesthesiol Scand [Internet]. 2012 Mar [cited 2012 Oct 23];56(3):[about 7 p.]. Available from:
http://onlinelibrary.wiley.com/doi/10.1111/j.1399-6576.2011.02593.x/pdf
7. Zenilman ZE. More powerful than the American Society of Anesthesiology Score. JAMA Surg. [Internet]. 2014 May 7 [cited 2014 May 23]. Available from:
http://archsurg.jamanetwork.com/article.aspx?doi=10.1001/jamasurg.2014.192
8. Grau Ábalo R. Estadística aplicada con ayuda de paquetes de software. México: Editorial Universitaria; 1994.
9. Díaz Díaz O, Orlandi Gonzáles N, Álvarez Seijas E, Castelo Elias-Calles L, Conesa González A, Gandul Salabarría L, et al. Manual para el diagnóstico y tratamiento del paciente diabético a nivel primario de salud. Cuba: OPS; 2011.
10. Minsap. Programa de Enfermedades Crónicas no transmisibles. Prevención, diagnóstico y tratamiento de la Enfermedad Renal Crónica en la Atención Primaria de Salud. La Habana: Minsap; 2012.
11. Minsap. Programa Nacional de Dirección de Registros Médicos y Estadística. Modelo 241-487-02 actividades de Cirugía y Anestesia. La Habana: Minsap; 2011.
12. Fitz-Henry J. The ASA classification and perioperative risk. Ann R Coll Surg Engl [Internet]. 2011 Apr [cited 2012 Oct 23];93(3):[about 6 p.]. Available from: http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3348554/
13. Uchida K. Reducing postoperative morbidity and mortality with preoperative risk evaluation and with refined perioperative medical care. Masui. 2012
14. Bosch DJ, Pultrum BB, de Bock GH, Oosterhuis JK, Rodgers MG, Plukker JT. Comparison of different risk-adjustment models in assessing short-term surgical outcome after transthoracic esophagectomy in patients with esophageal cancer. Am J Surg [Internet] 2011 Sep [cited 2012 Oct 23];202(3):[about 8 p.]. Available from: http://www.americanjournalofsurgery.com/retrieve/pii/S0002961011003400
15. Tracy CM, Epstein AE, Darbar D, Dimarco JP, Dunbar SB, Estes NA, et al. 2012 ACCF/AHA/HRS Focused Update of the 2008 Guidelines for Device-Based Therapy of Cardiac Rhythm Abnormalities: A Report of the American College of Cardiology Foundation/American Heart Association Task Force on Practice Guidelines. J Am CollCardiol [Internet]. 2012 Oct 2 [cited 2012 Oct 23];60(14):[about 4 p.]. Available from:
http://www.sciencedirect.com/science/article/pii/S0735109712026587
16. Walpert D, Macready W. No free lunch theorems for optimization. IEEE transactions on Evolutionary Computation. 1997 Apr;1(1):67-82.
17. Bainbridge D, Martin J, Arango M, Cheng D. Perioperative and anaesthetic-related mortality in developed and developing countries: a systematic review and meta-analysis. Lancet [Internet]. 2012 Sep 22 [cited 2012 Oct
23];380(9847):[about 5 p.]. Available from:
http://www.thelancet.com/journals/lancet/article/PIIS0140-6736%2812%2960990-8/fulltext
Recibido: 3 de enero de 2015. Aprobado: 31 de marzo de 2015.